Laper AI 投放视频拆解 ①
@AI 没有圈⭕《专业的事还是要交给专业的平台》

〇、数据总览

抖音公开接口不返播放量，本报告全部结论只用赞/评/藏/转四项。互动比画像：收藏 47.5%、转发 10%、评论 1.7%——这是一条典型的「干货收藏型」而非「对号入座互动型」。收藏率接近赞的一半意味着观众把它当成操作手册存档，而不是情绪共鸣；评论率被压到 1.7% 是内容设计的必然结果（见第六节：全片没给任何入口）。

一、投放位选择：为什么是这个博主、这个位置

投放侧的核心判断：选的不是流量，是身份可信度 + 内容位置。一个 2.4 万粉的「野生制作人」在自己的教程合集第 5 集里顺手推一个工具，比一个百万大V单发一条测评更像真事。

二、画面结构：80% 是录屏，产品在第 19 秒就顶满全屏

真人合计 48.3s（19.5%）· 产品录屏合计 199.2s（80.5%）

• 产品画面出现在 19.4 秒 = 全片的 7.9%，即「一个痛点块讲完立刻上产品」。这是投放文案最关键的一个节拍：先用 19 秒把观众的问题说穿，再让产品作为答案入场，而不是开头就报产品名。
• 品牌名与产品首帧同时出现（0:19「就是这个 Laper AI」＋首页顶满全屏），一次性完成品牌记忆点绑定，之后全片再没有第二次品牌口播强调。
• 录屏是真实操作而非摆拍：桌面时钟从 0:19 帧的 1:24 走到 3:43 帧的 1:47——23 分钟的真实使用被压进 199 秒，约 7 倍压缩。这也是 UI 里「本月对话额度条」「套餐 Junior」「字数 3602」这些细节会入镜的原因：没人会为摆拍去造这些数据。
• 录屏用竖屏留边（上下留 Windows 桌面壁纸）而不是裁切，关键处靠放大而不是切镜头——4 分钟里真正的硬切只有 4 次，其余全靠录屏内部的鼠标动线推进。素材成本极低。

三、语速与语流：恒定 338 字/分，唯一的停顿留给差异化断言

• 语速曲线是平的，这本身就是结论。全片 8 个段落方差只有 314–377 字/分，没有情感赛道那条「钩子慢 → 论证快 → 金句降速」的标准曲线。工具评测走的是恒定信息密度：观众来学操作，节奏波动反而打断记笔记。
• 唯一的反常在结尾：377 字/分是全片最快，而不是最慢。情感号在金句处降速留白让人回味；这条在收尾金句处提速冲过去——因为它的转发钩不是情绪，是「行业判断」，说完就走，不给犹豫时间。
• 全片超过 0.4 秒的停顿只有一处：0:25.60 → 0:26.10（0.5s）。停顿之后紧接着的是全片的差异化断言：「但它的这个核心的专业性，主要是在它的这个编剧工作台」前一句刚说完「主页面看上去和大部分大语言模型差不多，风格非常简洁」——先承认「看起来一样」，用 0.5 秒空白转折，再抛出「不一样在哪」。整条视频唯一的呼吸，用在了「凭什么不用通用大模型」这个必须回答的问题上。
• 平均 12.4 字/句，且演示密度最高的 E 段（四大板块）压到 10.4 字/句——句子在信息最密的地方反而最短，这是 5.6 字/秒还能跟着操作的前提。
• 语流靠「第一个是…第二个就是…第三个是…第四个是」的编号清单驱动，不靠设问转场。全片仅 1 处设问（0:11「应该怎么做一个选择呢」），且只在钩子段——因为设问是留人技巧，而清单是收藏技巧。

四、文本结构：痛点 → 自用 → 四段演示 → 视角反转 → 软出口

G 段是整条投放文案的胜负手。前 3 分半都在讲「AI 怎么生成剧本」，受众是 AI 玩家；G 段一句话把产品重新定义成「人写的稿子也能用的格式工具」，受众瞬间扩到所有编剧，同时用「我自己写稿也不守格式」这个自曝短处，把博主从「测评者」变成「同类」。收藏率 47.5% 里，有相当一部分是被 G 段留下的。

五、论证结构

说服手法清单

六、观点 · 案例 · 金句

可复用的观点

• 「垂类平台 vs 通用大模型」是这条投放的整个论证地基。不比参数、不比模型，只比一件事：通用模型给你一段文本，垂类平台给你一份结构化数据（大纲/节拍/分镜/场次可拖拽、可单点编辑）。
• 「AI 味重」被当作一个可举证的产品指标，归因到「平台用的模型经过大量专业剧本训练」——把玄学感受翻译成训练数据差异。
• 格式即交付物。「不能说一个剧本只有写的人能看懂」——把「统一格式」从审美问题重构成协作与交付问题，这是 G 段第二用例成立的前提。

金句（按转发价值排序）

七、评论区反馈：76 条评论，几乎全是「在哪买」

抓到 56 条可见评论（含博主回复）。没有一条是内容讨论，全部是转化漏斗里的具体问题。这正是「全片不给入口」的直接后果——观众被说服了，但不知道去哪，只能问。

• 博主在 56 条里出现 17 次，回复率约 40%，且几乎是即时客服口吻。评论区不是社交场，是人工转化通道：视频负责说服，评论区负责答疑和逼搜。
• 评论率只有 1.7%，但意向浓度接近 100%。用「评论率低 = 内容不行」来判断这条会完全判反——它的评论不是互动量，是线索量。
• 最有价值的三条是差评：「每月十次对话，改一次就算一次」（额度算法劝退）、「20 美元」（定价锚太高）、「喂了完整设定第一集逻辑就崩了」（效果不稳）。这三条博主全部没回——投放侧真正的产品缺口在这里。

八、爆款归因：每个数字对应哪个内容装置

一句话归因：这条视频用 19 秒建立问题、80% 的时长做可复现演示、最后 13 秒给一句行业金句，把自己做成了一份可存档的操作手册 + 一句可转发的立场；而把「去哪、多少钱」这最后一公里，故意留在评论区由真人回答。

九、可借鉴方向 → 迁移到 Marsdata.ai（人际关系处理）

Laper 是「垂类工具 vs 通用大模型」的叙事；我们是「人际关系处理」，面对的是同一个对手——用户遇到关系问题时的默认解法是直接问通用大模型。因此这条投放的骨架可以整段平移，只换举证内容。

Laper 暴露的三个坑，我们别踩

• 额度算法劝退：「每个月十次对话，修改一次东西就算一次对话」——按对话计费在需要反复调整的场景里是致命的。关系处理天然是多轮追问，计费单位必须按「一个事件/一段关系」而不是按对话次数。
• 定价锚过高且用美元：「最低版要 20 美元」「美刀」——评论区对此的反应全是抵触。定价展示用人民币，且首屏必须有免费额度。
• 效果不稳且无人接住：「我喂了完整的设定和大纲，第一集逻辑就崩了，求会用的教教我」——这条无人回复。这是投放里最贵的一次漏斗流失：一个已经完成注册、完成输入、只差一次帮助的用户。我们的投放必须配套「差评/失败案例必回」的评论区 SOP。

附：全文转写（Whisper large-v3，已校正）

校正说明——机器转写在专有名词上有固定误听，以下已按烧录字幕与产品实名修正，其余保持原样： ①「Liber AI / Liver」→ Laper AI（0:19、1:08 等处）；②「巴扎一场戏」→ 把每一场戏（2:30）；③「细细冲突」→ 戏剧冲突（2:01）；④「A.A. 生成剧本里」→ AI 生成剧本里（3:28）；⑤「当制作生视频」→ 当制作视频（3:59）。 另：3:58 处「当时我还在写剧本」一句听感存疑（疑为语气词连读），未作改动，保留原始转写。

拆解方法与口径：赞/评/藏/转取自抖音 web 端 aweme/detail 接口（该接口不返播放量，故全片不使用播放数）；语速按去标点字符数 ÷ 段落时长计；画面占比按 ffmpeg 场景切点（阈值 0.3）＋ 12 秒抽帧读图人工判定；评论区为网页端全量滚动抓取，可见 56 条（含博主回复），平台折叠部分未计入。